Tekoäly voisi tehdä meille enemmän työtä sen sijaan, että se yksinkertaistaisi elämäämme

Siitä on yleinen käsitys tekoäly (AI) auttaa virtaviivaistamaan työtämme. Pelätään jopa, että se voisi poistaa joidenkin työpaikkojen tarpeen kokonaan.

Mutta tutkimuksessa Kolmen Manchesterin yliopiston kollegan kanssa tekemäni tutkimuslaboratorioista automatisoitujen prosessien käyttöönotto, joilla pyritään yksinkertaistamaan työtä – ja vapauttamaan ihmisten aikaa – voi myös tehdä työstä monimutkaisempaa ja synnyttää uusia tehtäviä, joita monet työntekijät saattavat pitää arkipäiväisinä.

Vuonna 2003 julkaistussa tutkimuksessa Tutkimuspolitiikka, tarkastelimme tutkijoiden työtä alalla nimeltä synteettinen biologia, tai lyhennettynä synbio. Synbio on kiinnostunut organismien uudelleensuunnittelusta uusien kykyjen saamiseksi. Se on mukana lihan kasvattaminen laboratoriossa, uusissa lannoitteiden tuotantotavoissa ja uusien lääkkeiden löytämisessä.

Synbio-kokeet perustuvat edistyneisiin robottialustoihin, jotka siirtävät toistuvasti suuren määrän näytteitä. He käyttävät myös koneoppimista analysoidakseen laajamittaisten kokeiden tuloksia.

Nämä puolestaan ​​tuottavat suuria määriä digitaalista dataa. Tämä prosessi tunnetaan nimellä "digitalisaatio", jossa digitaaliteknologiaa käytetään muuttamaan perinteisiä menetelmiä ja työtapoja.

Tieteellisten prosessien automatisoinnin ja digitalisoinnin keskeisiä tavoitteita on skaalata tehtävissä olevaa tiedettä ja samalla säästää tutkijoiden aikaa keskittyä siihen, mitä he pitävät "arvokkaampana" työhön.

Paradoksaalinen tulos

Tutkimuksessamme tutkijoita ei kuitenkaan vapautettu toistuvista, manuaalisista tai tylsistä tehtävistä, kuten voisi odottaa. Sen sijaan robottialustojen käyttö lisäsi ja monipuolisti tutkijoiden tehtäviä. Tähän on useita syitä.

Yksi niistä on se, että hypoteesien (tieteellinen termi testattavalle selitykselle tietylle havaitulle ilmiölle) ja suoritettavien kokeiden määrä lisääntyi. Automatisoiduilla menetelmillä mahdollisuudet lisääntyvät.

Tutkijat sanoivat, että sen avulla he pystyivät arvioimaan useampaa hypoteesia sekä monia tapoja, joilla tutkijat voivat tehdä hienovaraisia ​​muutoksia kokeelliseen järjestelyyn. Tämä lisäsi tarkastettavaa, standardointia ja jakamista vaativan tiedon määrää.

Lisäksi robotit piti "kouluttaa" suorittamaan aiemmin manuaalisesti tehtyjä kokeita. Myös ihmisten piti kehittää uusia taitoja robottien valmisteluun, korjaamiseen ja valvontaan. Tämä tehtiin sen varmistamiseksi, ettei tieteellisessä prosessissa ollut virheitä.

Tieteellistä työtä arvioidaan usein tulosten, kuten vertaisarvioitujen julkaisujen ja apurahojen perusteella. Automatisoitujen järjestelmien puhdistamiseen, vianmääritykseen ja valvontaan käytetty aika kilpailee kuitenkin tieteessä perinteisesti palkittujen tehtävien kanssa. Nämä vähemmän arvostetut tehtävät voivat myös olla suurelta osin näkymättömiä – varsinkin koska johtajat ovat niitä, jotka eivät olisi tietoisia arkipäiväisestä työstä, koska he eivät vietä niin paljon aikaa laboratoriossa.

Näitä tehtäviä hoitavat synbiotutkijat eivät olleet paremmin palkattuja tai itsenäisempiä kuin heidän johtajansa. He arvioivat myös oman työkuormituksensa korkeammaksi kuin työhierarkiassa yläpuolellaan olevat.

Laajemmat oppitunnit

On mahdollista, että nämä oppitunnit voivat koskea myös muita työalueita. ChatGPT on AI-käyttöinen chatbot joka "oppii" verkossa saatavilla olevista tiedoista. Kun online-käyttäjien kysymyksiä kysyy, chatbot tarjoaa vastauksia niihin näyttävät hyvin tehdyltä ja vakuuttavalta.

Mukaan Aika: -lehteä, jotta ChatGPT ei palauta rasistisia, seksistisiä tai muuten loukkaavia vastauksia, työntekijöitä Keniassa palkattiin suodattamaan botin toimittamaa myrkyllistä sisältöä.

Tarvitaan monia usein näkymättömiä työkäytäntöjä digitaalisen infrastruktuurin kehittäminen ja ylläpito. Tätä ilmiötä voidaan kuvata "digitalisaatioparadoksiksi". Se haastaa oletuksen, että jokainen digitalisaatioon osallistuva tai siihen vaikuttanut tulee tuottavammaksi tai heillä on enemmän vapaa-aikaa, kun osa heidän työnkulkustaan ​​automatisoidaan.

Huoli tuottavuuden laskusta on keskeinen motiivi organisatorisissa ja poliittisissa pyrkimyksissä automatisoida ja digitalisoida jokapäiväistä työtä. Mutta meidän ei pitäisi ottaa lupauksia tuottavuuden kasvusta nimellisarvolla.

Sen sijaan meidän pitäisi haastaa tavat, joilla mittaamme tuottavuutta ottamalla huomioon näkymättömät tehtävät, joita ihmiset voivat suorittaa, tavallisesti palkitun näkyvämmän työn lisäksi.

Meidän on myös pohdittava, kuinka suunnitella ja hallita näitä prosesseja, jotta teknologia voi positiivisemmin lisätä ihmisen kykyjä.

Tämä artikkeli julkaistaan ​​uudelleen Conversation Creative Commons -lisenssin alla. Lue alkuperäinen artikkeli.

Kuva pistetilanne: Gerd Altmann alkaen Pixabay

• SEO-pohjainen sisällön ja PR-jakelu. Vahvista jo tänään.
• Platoblockchain. Web3 Metaverse Intelligence. Tietoa laajennettu. Pääsy tästä.
• Lähde: https://singularityhub.com/2023/03/24/ai-could-make-more-work-for-us-instead-of-simplifying-our-lives/